使用机器学习算法在患有甲状腺功能低下症的狗身上开发和内部验证诊断预测模型
Andrea Corsini1,2, Francesco Lunetta1, Fabrizio Alboni3
1Department of Veterinary Medical Sciences, Alma Mater Studiorum-University of Bologna, Ozzano Emilia, Italy.
Frontiers in veterinary science
|January 3, 2024
概括
机器学习模型使用临床症状和实验室结果准确预测了犬类甲状腺功能低下症. 这些模型可以帮助兽医进行诊断,减少对狗进行不必要的测试和治疗.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 机器学习 机器学习
- 狗的健康 狗的健康
背景情况:
- 狗类甲状腺功能低下症经常被误诊,导致潜在的过度治疗或延迟诊断.
- 诊断预测模型可以改善临床决策,减少不必要的测试.
研究的目的:
- 开发和内部验证用于诊断犬类甲状腺功能低下症的机器学习模型.
- 用临床症状和临床病理学变量来评估模型的准确性.
主要方法:
- 一项横截面研究分析了82只甲状腺功能低下和233只甲状腺功能良好的狗的数据.
- 使用临床症状和实验室值 (例如胆固醇,tT4,cTSH) 的组合创建了四种模型.
- 应用了6个机器学习算法,通过10倍交叉验证和AUROC分析进行内部验证.
主要成果:
- 结合甲状腺功能测试 (tT4,cTSH) 的模型实现了更高的准确性 (AUROC高达0.99).
- 最好的模型显示了高的正值 (高达0.97) 和负值 (高达0.99) 的预测值.
- 纯粹的贝叶斯,逻辑回归和随机森林算法显示出强的性能,这取决于模型.
结论:
- 机器学习模型显示高准确性预测基于内部验证的犬类甲状腺功能低下症.
- 需要进一步的外部验证来确认这些诊断工具的临床实用性.
